摘要：针对正余弦算法后期收敛速度慢、局部搜索能力差的特点,提出一种基于邻域结构的骨干正余弦算法。新算法的主要思想是在正余弦算法更新过程中通过骨干优化思想引入邻域结构和高斯采样学习,并随着迭代次数的增加而增加高斯采样的权重,经贪婪选择后加快算法的收敛速度。新算法能有效地增强种群探索能力,提高种群的多样性。运用新算法与其他智能进化算法对18个经典基准函数进行仿真实验,对测试结果进行比较分析,新算法在稳定性、计算精度和收敛速度方面具有明显的优势。